OSEANOGRAFI PERIKANAN

DOSEN:
Ir. IRWANI, Mphil
MATERI:

(UMUR & PERTUMBUHAN )

ESTIMASI PARAMETER
PERTUMBUHAN
Studi tentang pertumbuhan pada dasarnya
menyangkut penentuan ukuran badan sebagai
suatu fungsi dari umur. Oleh sebab itu semua
metode-metode pengkajian stok (stock
assessment) pada intinya bekerja dengan data
komposisi umur.

1.

UMUR & PERTUMBUHAN.

1.1. PERTUMBUHAN
Merupakan ciri dari suatu makhluk hidup
Pertumbuhan = Penambahan ukuran
(panjang/berat/volume) dalam waktu tertentu.
Faktor yg Mempengaruhi:
Internal:
- Genetik, umur, Kematangan goad, kesehatan dsb
External:
- Jumlah&Ukuran makanan, Suhu, Kualitas perairan,
Pesaing makanan dsb

Energy dari makanan (E):

Pertumbuhan (G)
Berkembang Biak (Reproduksi) (R)
Pemeliharaan tubuh/Osmoregulasi (M)
Pertahanan thdp penyakit (D)
Aktivitas/Pergerakan (Berenang) (A)
Lainnya (Feces)(F)
E=G+R+M+D+A+F
G=ERMDA-F

1.2.Metode menghitung pertumbuhan:

A. 1. Pertumbuhan Mutlak:
W = Wt Wo
L = Lt - Lo

dimana:
Wt / Lt =

Wo / Lo =

Berat/panjang Organisme
pada saat t
Berat/panjang awal organisme

A.2. Pertumbuhan Nisbi:

dimana:
Wt / Lt =

Wo / Lo =

Berat/panjang Organisme
pada saat t
Berat/panjang awal organisme

B.1. Gompertz Growth Function:

Diperkenalkan oleh Gompertz tahun 1825 utk
diterapkan pada manusia. Dianut oleh Silliman
(1967), Lasker (1976) dan Ricker (1979) utk
menggambarkan pertumbuhan larva
Wt W exp{G(1 exp[ gt ])}

dimana:
Wt = Berat Ikan Pada Waktu t
Berat ikan maksimal
W =
G =
Parameter pertumbuhan 1
g = Parameter pertumbuhan 2
t =
Umur Ikan

B.2.Von Bertalanffy Growth Function:

Diperkenalkan oleh Bertalanffy tahun 1914 dan
telah digunakan secara luas di bidang kelautan krn
model ini lebih cocok utk menggambarkan
pertumbuhan organisme laut.

Lt L[1 exp( K{t to})]

dimana:
Lt=
L=
K=
to=
t =

Panjang Ikan Pada Waktu t

Panjang maximal ikan
Konstanta Pertumbuhan
Umur imaginer pada saat panjang ikan =0
Umur ikan

PERSAMAAN PERTUMBUHAN VON

BERTALANFFY
Model ini telah menjadi salah satu dasar
dalam biologi perikanan sebab ia digunakan
sebagai suatu submodel dalam sejumlah
model yang lebih rumit dalam menjelaskan
berbagai dinamika dari banyak populasi
ikan.

Untuk menghitung pertumbuhan/membuat model

pertumbuhan diperlukan data. Data tersebut dapat
diperoleh dengan cara:
1.Tagging dan Marking.
2.Pengamatan Jaringan Keras.
3.Time Series Data.

1. Tagging dan Marking.

Tagging adalah pemberian tanda pada organisme laut

dg menggunakan benda asing (seperti anting pada

manusia).
Marking adalah pemberian tanda pada organisme
laut dg membuat tanda pada tubuh organisme
tersebut (Seperti tato pada manusia)

Persyaratan material utk bahan tag:

Tidak mudah terurai, berubah atau berkarat

Tdk mengganggu behaviour ikan
Tdk menjadikan mudah tersangkut
Tanda tsb murah & mudah didapat
Berat/ukurab proporsional dg biota yg diberi tanda
Tanda tdk membuat stress
Tdk mengganggu kesehatan ikan
Cukup banyak variasi tanda
Tdk bersifat toxic
Tanda mudah dikenal org yg tak terlatihpun

Bagian yg diberi tanda pd ikan:

Tulang rahang bawah

Tutup insang
Bagian depan dirip punggung
Bagian belakang sirip punggung
Bagian dalam tubuh
Sirip lemak (adipose fin)
Batang ekor

Tujuan Pemberian Tanda:

Menduga Kepadatan Populasi

Menduga kecepatan mortalitas
Menduga kecepatan penangkapan/eksploitasi
Menduga kecepatan recruitment
Mengetahui arah dan kecepatan migrasi
Mengetahui Tingkah Laku

Jenis-Jenis Tanda/Tag:

Tag konvensional.
Tag metal.
Tag dengan transmitter/pemancar.
Tag dg data digital.

Informasi pada Tag:

Nomor seri
Tanggal/bulan/tahun
Instsitusi
Informasi lain (reward)

Karena Ikan yang tertangkap akan dilepaskan kembali

maka
perlu
diperhatikan
dalam
menangkap
ikan/organisme laut untuk pemberian tanda (tag) supaya
tidak mencederai atau membuat stress, dapat dilaukan
dg:
Electric Shocker (Stroom)
Trap (Perangkap)
Gillnet (Jaring Insang)
Seine net (Jaring lingkar)

Karena Ikan yang tertangkap akan dilepaskan kembali

maka
perlu
diperhatikan
dalam
menangkap
ikan/organisme laut untuk pemberian tanda (tag) supaya
tidak mencederai atau membuat stress, dapat dilaukan
dg:
Electric Shocker (Stroom)
Trap (Perangkap)
Gillnet (Jaring Insang)
Seine net (Jaring lingkar)

Tabel. 1. Data penjang ikan Surgeon (Acanthurus bahianus) pada

saat pemberian tanda (L1) dan saat tertangkap kembali
(L2) selama kurun waktu tertentu (Day out) dari
kepulauan Virgin (Randall 1962 dalam Pauly 1984)
No

L1 (cm)

L2 (cm)

Day out

9.7

10.2

53

10.5

10.9

33

10.9

11.8

108

11.1

12

102

12.4

15.5

272

12.8

13.6

48

14

14.3

53

16.1

16.4

73

16.3

16.5

63

10

17

17.2

106

11

17.7

18

111

SELANJUTNYA BAGAIMANA?

Dianalisa dengan
metode gulland & Holt Plot

Regresikan nilai

dengan nilai

L
a bL
t
No

L1 (cm)

L2 (cm)

Day out

L2 - L1

1
2
3
4
5
6
7
8
9
10
11

9.7
10.5
10.9
11.1
12.4
12.8
14
16.1
16.3
17
17.7

10.2
10.9
11.8
12
15.5
13.6
14.3
16.4
16.5
17.2
18

53
33
108
102
272
48
53
73
63
106
111

0.5
0.4
0.9
0.9
3.1
0.8
0.3
0.3
0.2
0.2
0.3

L rata-rata
(X)
5
9.95
10.7
11.35
11.55
13.95
13.2
14.15
16.25
16.4
17.1
17.85

(4/3)
(Y)
6
0.0094
0.0121
0.0083
0.0088
0.0114
0.0167
0.0057
0.0041
0.0032
0.0019
0.0027

Setelah mendapatkan nilai a dan b dari regresi yang

berbentuk y = a + bx, maka:

Nilai K = -b
L = - a/b
Log (-to) = 0.3922-0.2752 Log(L)-1.0382 Log K
Sehingga persamaan von Bertalanffy dapat dicari:

Lt L[1 exp( K{t to})]

SUMMARY OUTPUT
Regression Statistics
Multiple R 0.010322
R Square 0.000107
Adjusted R Square
-0.11099
Standard Error
0.088857
Observations
11
ANOVA
df
Regression
Residual
Total

SS
MS
F Significance F
1 7.57E-06 7.57E-06 0.000959 0.97597
9 0.071059 0.007895
10 0.071067

Coefficients
Standard Error t Stat
P-value Lower 95% Upper 95%Lower 95.0%
Upper 95.0%
Intercept
0.197886 0.14376 1.376497 0.201942 -0.12732 0.523094 -0.12732 0.523094
X Variable 1 -0.00032 0.010191 -0.03097 0.97597 -0.02337 0.022739 -0.02337 0.022739

Didapatkan persamaan regresi:

Y = 0.1979 0.0003 X
K = 0.0003 cm/day
L = 626.992 cm
Log (-to) = 0.3922-0.2752 Log(626.992)-1.0382 Log 0.0003
=

L
Panjang ikan

PERTUMBUHAN PESAT

PERTUMBUHAN MELAMBAT

Umur Ikan

2.

Pengamatan Jaringan Keras.

a. Sisik
cycloid (3 baris di depan pinna dorsalis & diatas
lines lateralis)
Ctenoid (tepat diujung sirip dada yg ditujukan ke
arah ekor)

2.

Pengamatan Jaringan Keras.

a. Sisik
b. Operculum
c. Duri Sirip
d. Tulang punggung
e. Otolith
Age (years)
1
2
3
4
5
6

L (cm)
35
55
75
90
105
115

Age (years)
1
2
3
4
5
6

L (cm)
35
55
75
90
105
115

Regresikan
dengan
K
= - log b
L

Lt (x)
35
55
75
90
105

Lt+1 (y)
55
75
90
105
115

y = a + bx

a
1 b

Log (-to) = 0.3922-0.2752 Log(626.992)-1.0382 Log 0.0003

3. Time Series Data.

(Data Frekuensi Panjang)
Di perairan beriklim sedang data komposisi
umur
biasanya
diperoleh
melalui
penghitungan thp lingkaran-lingkaran tahunan
pada bagian-bagian keras seperti sisik dan
otolit. Lingkaran-lingkaran ini dibentuk oleh
karena adanya fluktuasi yang kuat dalam
berbagai kondisi lingkungan dari musim
panas ke musim dingin dan sebaliknya.

 Di daerah tropis perubahan drastis seperti

itu tidak terjadi dan oleh karena itu
sangatlah sulit, bahkan hampir tidak
mungkin menggunakan lingkaran-lingkaran
musiman seperti itu untuk penentuan umur
Hanya belakangan ini sejumlah metode
penentuan umur telah dikembangkan
dengan menggunakan sejumlah struktur
yang lebih lembut yang disebut dengan
lingkaran-lingkaran
harian,
untuk
menghitung umur ikan dalam jumlah hari.

Metode 1

Data yang diperoleh

Age (years)
1
2
3
4
5
6

L (cm)
35
55
75
90
105
115

Kemudian dianalisa dg metode

sbb:

Age (years)
1
2
3
4
5
6

L (cm)
35
55
75
90
105
115

Regresikan
dengan
K
= - log b
L

Lt (x)
35
55
75
90
105

Lt+1 (y)
55
75
90
105
115

y = a + bx

a
1 b

Log (-to) = 0.3922-0.2752 Log(626.992)-1.0382 Log 0.0003

Metode 2

No

L1 (cm)

L2 (cm)

Day out

9.7

10.2

53

10.5

10.9

33

10.9

11.8

108

11.1

12

102

12.4

15.5

272

12.8

13.6

48

14

14.3

53

16.1

16.4

73

16.3

16.5

63

10

17

17.2

106

11

17.7

18

111

Regresikan nilai

dengan nilai

L
a bL
t
No

L1 (cm)

L2 (cm)

Day out

L2 - L1

1
2
3
4
5
6
7
8
9
10
11

9.7
10.5
10.9
11.1
12.4
12.8
14
16.1
16.3
17
17.7

10.2
10.9
11.8
12
15.5
13.6
14.3
16.4
16.5
17.2
18

53
33
108
102
272
48
53
73
63
106
111

0.5
0.4
0.9
0.9
3.1
0.8
0.3
0.3
0.2
0.2
0.3

L rata-rata
(X)
5
9.95
10.7
11.35
11.55
13.95
13.2
14.15
16.25
16.4
17.1
17.85

(4/3)
(Y)
6
0.0094
0.0121
0.0083
0.0088
0.0114
0.0167
0.0057
0.0041
0.0032
0.0019
0.0027

Setelah mendapatkan nilai a dan b dari regresi yang

berbentuk y = a + bx, maka:

Nilai K = -b
L = - a/b
Log (-to) = 0.3922-0.2752 Log(L)-1.0382 Log K
Sehingga persamaan von Bertalanffy dapat dicari:

Lt L[1 exp( K{t to})]

MORPHOMETRI IKAN
Suatu studi yang berkaitan dengan pengukuran

parameter-parameter ukuran tubuh ikan (Panjang

ikan, tinggi ikan, berat ikan atau bagian badan
tertentu dari ikan)
Parameter-parameter tersebut sering dikaitkan
antara satu parameter dengan parameter yang
lainnya (hubungan panjang dan berat ikan,
panjang vs tinggi dlsb)

DEFINISI PANJANG BADAN

Dalam konteks ini, "panjang badan" diartikan

sebagai panjang rata-rata dari suatu kohort.

Dalam praktek, sudah biasa untuk menggunakan
"panjang total" yang diukur ke-unit terdekat di
bawahnya", kecuali rincian anatominya tidak
memungkinkan

 'Panjang cagak digunakan untuk ikan yang sirip

ekornya keras (tuna) atau bentuk siripnva khusus

(Nemipteridae).
'Panjang baku" tidak dianjurkan untuk digunakan

dalam penarikan contoh frekuensi panjang.

Ukuran yang paling akurat untuk udang dan udang

karang adalah "panjang karapas"

 Hal yg amat penting adalah menetapkan benar-benar

pengukuran panjang apa yg digunakan. karena seseorang

mungkin akan mengalami kesulitan pd waktu
membandingkan hasil yang diperoleh dlm penelitian lain
Untuk hewan dg badan lentur (gurita, teripang, atau

ubur-ubur) akan menjadi masalah. Dalam hal tertentu

mungkin akan lebih baik menggunakan bobot badan
daripada panjang, karena ukuran bobot dpt diukur
dengan akurasi yang lebih tinggi.

NATALITAS (JUMLAH IKAN

YANG HIDUP SETELAH t)

Nt N 0 .e
Z
Dimana

zt

K ( L L )
'
LL

Nt = jumlah ikan pada waktu t

No = Jumlah ikan awal
e = konstanta
Z = mortalitas
K = konstanta pertumbuhan dari von Bertalanfy
L = panjang asymtute
L = panjang rata rata ikan tertangkap
L = panjang ikan yang terkecil yang tertangkap.

JUMLAH BIOMAS/STOCK IKAN

Biomas Nt aLt im
b

Apa itu No ?
Adalah jumlah larva mula mula, berasal dari jumlah

telur yang menetas (Hacthing Rate) dimana setiap

ikan berbeda-beda.
Jumlah larva juga tergantung dari banyaknya jumlah
telur (Fekunditas) dari ikan yang di hasilkan

SO........................................................

No = (Fekunditas)x(Hacthing Rate)

KONVERSI PANJANG BERAT IKAN

W aL

Dimana:

W
= berat ikan
L
= panjang ikan
a & b = konstanta
Supaya menjadi fungsi regresi linier maka perlu
dilakukan transformasi ke dlm logaritma:
Log W = Log a + b Log L

Cara manual/calculator

Cara manual/calculator

Faktor Kondisi (CF)

Disebut juga sebagai ponderal

index
dinyatakan dengan rumus:
5

KTI

10 .W

3
L

Terima Kasih

Cara manual/calculator

Cara manual/calculator